MétaCan
Menu
Retour à la cohorte
Enregistrement W3153837127 · doi:10.1002/yea.3562

How to characterize a strain? Clonal heterogeneity in industrial <i>Saccharomyces</i> influences both phenotypes and heterogeneity in phenotypes

2021· article· en· W3153837127 sur OpenAlexfundno aff
Hanna Viktória Rácz, Fezan Mukhtar, Alexandra Imre, Zoltán Rádai, Andreas Gombert, Tamás Rátonyi, János Nagy, István Pócsi, Walter P. Pfliegler

Notice bibliographique

RevueYeast · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Technology, Innovation and Citizens' ServicesMagyar Tudományos AkadémiaFundação de Amparo à Pesquisa do Estado de São Paulo
Mots-clésBiologyPhenotypeGenetic heterogeneityGeneticsSaccharomyces cerevisiaeStrain (injury)Phenotypic traitEvolutionary biologyGene

Résumé

récupéré en direct d'OpenAlex

Populations of microbes are constantly evolving heterogeneity that selection acts upon, yet heterogeneity is nontrivial to assess methodologically. The necessary practice of isolating single-cell colonies and thus subclone lineages for establishing, transferring, and using a strain results in single-cell bottlenecks with a generally neglected effect on the characteristics of the strain itself. Here, we present evidence that various subclone lineages for industrial yeasts sequenced for recent genomic studies show considerable differences, ranging from loss of heterozygosity to aneuploidies. Subsequently, we assessed whether phenotypic heterogeneity is also observable in industrial yeast, by individually testing subclone lineages obtained from products. Phenotyping of industrial yeast samples and their newly isolated subclones showed that single-cell bottlenecks during isolation can indeed considerably influence the observable phenotype. Next, we decoupled fitness distributions on the level of individual cells from clonal interference by plating single-cell colonies and quantifying colony area distributions. We describe and apply an approach using statistical modeling to compare the heterogeneity in phenotypes across samples and subclone lineages. One strain was further used to show how individual subclonal lineages are remarkably different not just in phenotype but also in the level of heterogeneity in phenotype. With these observations, we call attention to the fact that choosing an initial clonal lineage from an industrial yeast strain may vastly influence downstream performances and observations on karyotype, on phenotype, and also on heterogeneity.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,054
Tête enseignante GPT0,249
Écart entre enseignants0,196 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueYeastMême sujetFermentation and Sensory AnalysisTravaux en français237 207